Conjoint в e-com: как IKEA в одном исследовании “сняла” компромиссы между ценой, доставкой и дизайном

Conjoint в e-com: как IKEA в одном исследовании “сняла” компромиссы между ценой, доставкой и дизайном

Контекст
В 2026 году e-com живёт в условиях давления на первый чек: по рынку заметно, что люди чаще “докручивают” покупку — сравнивают сценарии доставки, охотно возвращаются в каталог, но не готовы переплачивать за всё сразу. Для маркетинга это означает: нужно не только понимать предпочтения, но и переводить их в измеримые решения для лендингов, промо и ассортиментных правил. Проблема в том, что качественные ответы часто смешивают желания и реальные компромиссы.

Задача
Кейс близкий к тому, как IKEA (как типичный игрок “домашнего” спроса) регулярно оптимизирует предложение для разных сегментов:
1) оценить, что именно для пользователей важнее при выборе мебели/товаров для дома — цена, сроки/условия доставки, вариативность размеров/цветов, визуальная совместимость;
2) проверить, есть ли сегменты, готовые платить за “удобство доставки” вместо скидки;
3) получить основу для **priceline**-подхода в коммуникациях: какие сообщения и комбинации аргументов реально двигают выбор.

Решение
Вместо одного рейтинга “что важнее” команда провела **conjoint-анализ** (совместный выбор) с дизайн-пакетами вариантов продукта. Реальные стимулы были сведены к атрибутам:
— Цена (несколько уровней скидки/наценки)
— Доставка (стандарт/ускоренная/самовывоз) с измеримыми условиями
— Совместимость по стилю (например, “встроенность в интерьер” через готовые подборки)
— Вариативность (размеры/цветовые опции)

Дальше — методика, которую обычно недооценивают:
1) Сначала провели короткую калибровку формулировок в пилоте, чтобы люди не подменяли атрибуты общими словами (“удобно”, “качественно”).
2) В полном запуске предлагали респондентам выбирать между карточками “товар+условия”, а не оценивать их по отдельности. Это и есть ключ к снятию компромиссов.
3) Модель сегментировала пользователей (скрытые классы): каждый класс имеет свои веса атрибутов.
4) По итогам посчитали utility-значения и построили сценарии: какие комбинации атрибутов максимизируют вероятность выбора при заданном ограничении бюджета (например, “не дороже X” или “в среднем уложиться в SLA доставки”).

Результат
Что обычно дают такие conjoint-проекты в терминах бизнеса (и что можно было увидеть в данных на стороне IKEA-логики):
— Разложили “влияние” атрибутов: например, в одном сегменте цена была ключевой, а доставка выступала вторым фактором; в другом — наоборот, компромисс уходил в пользу ускоренной доставки даже при меньших скидках.
— Убрали риск “универсального” месседжа: выяснилось, что один и тот же баннер “-20% + доставка завтра” может быть полезен не всем, а для части аудитории — даже избыточен (они уже чувствительны к стилю и подборкам).
— Сформировали набор готовых комбинаций для A/B: не “креативы ради креативов”, а формализованные наборы атрибутов, на которых можно тестировать посадочные страницы, карточки товара и промо-блоки.

Если перевести в цифры формата, который любят аналитики: utility-weights позволяют ранжировать атрибуты, а сегменты — планировать бюджеты и маркетинговые правила. На практике это обычно выражается в росте конверсии в выбранный сценарий (из листинга/карточки в действие) и снижении “стоимости убеждения”, когда скидку дают тем, кому она действительно нужна.

Урок
1) Рейтинг важности (“что важнее?”) почти всегда врёт бизнесу — conjoint лучше ловит реальные компромиссы.
2) Сегментация по структуре предпочтений полезнее, чем сегментация “по демографии”: в 2026 решает не то, кто человек, а как он принимает решение.
3) Встраивайте выводы в RevOps-логику: выбор атрибутов должен связываться с экономикой (себестоимость/маржа/стоимость доставки) и операционными ограничениями, иначе utility останется красивой диаграммой.

Хотите — опишу типовую матрицу атрибутов/уровней и как избежать главной ошибки conjoint в e-com: когда респонденты “не читают” атрибуты и выбирают по первому знакомому паттерну.

— @QuantResearchRuPro